데이터저장소 시작하기
데이터저장소란?
데이터저장소는 하나의 파일, 또는 여러 파일이나 데이터의 모음을 읽기 위한 객체입니다. 데이터저장소는 구조와 형식이 같은 데이터에 대한 저장 공간 역할을 합니다. 예를 들어, 데이터저장소의 각 파일에는 같은 유형(예: 숫자형 또는 텍스트)의 데이터가 있어야 하며, 이러한 데이터는 동일한 순서로 나타나고 동일한 구분 기호로 구분됩니다.
데이터저장소는 다음과 같은 경우에 유용합니다.
데이터 모음에 있는 각 파일의 크기가 너무 커서 메모리에 담을 수 없는 경우. 데이터저장소에서는 각 파일의 데이터를 메모리에 맞는 더 작은 크기로 읽고 분석할 수 있습니다.
데이터 모음에 있는 파일의 이름이 무작위인 경우. 데이터저장소는 하나 이상의 폴더에 있는 파일에 대한 저장 공간 역할을 합니다. 파일 이름은 순차적일 필요가 없습니다.
데이터 또는 애플리케이션의 유형을 기반으로 데이터저장소를 만들 수 있습니다. 각 데이터저장소 유형에는 지원되는 데이터 유형에 맞는 속성이 들어 있습니다. MATLAB® 데이터저장소 목록에 대한 일례는 다음 표를 참조하십시오. 데이터저장소의 전체 목록을 보려면 파일 형식 또는 응용 프로그램에 맞는 데이터저장소 선택하기 항목을 참조하십시오.
파일 또는 데이터 유형 | 데이터저장소 유형 |
---|---|
열 방향 데이터를 포함하는 텍스트 파일(예: CSV 파일). | TabularTextDatastore |
imread 에서 지원되는 형식을 포함하는 이미지 파일(예: JPEG, PNG). | ImageDatastore |
지원되는 Excel® 형식의 스프레드시트 파일(예: .xlsx ). | SpreadsheetDatastore |
mapreduce 의 입력값이거나 출력값인 키-값 쌍 데이터. | KeyValueDatastore |
열 방향 데이터를 포함하는 Parquet 파일. | ParquetDatastore |
사용자 지정 파일 형식. 데이터를 읽으려면 제공된 함수가 필요합니다. | FileDatastore |
tall 배열의 검사 지점 생성을 위한 데이터저장소. | TallDatastore |
데이터저장소를 만들고 데이터저장소에서 읽어오기
tabularTextDatastore
함수를 사용하여 각 항공편의 출발/도착 정보가 들어 있는 샘플 파일 airlinesmall.csv
에서 데이터저장소를 만듭니다. TabularTextDatastore
객체가 반환됩니다.
ds = tabularTextDatastore('airlinesmall.csv')
ds = TabularTextDatastore with properties: Files: { ' ...\matlab\toolbox\matlab\demos\airlinesmall.csv' } Folders: { ' ...\matlab\toolbox\matlab\demos' } FileEncoding: 'UTF-8' AlternateFileSystemRoots: {} PreserveVariableNames: false ReadVariableNames: true VariableNames: {'Year', 'Month', 'DayofMonth' ... and 26 more} DatetimeLocale: en_US Text Format Properties: NumHeaderLines: 0 Delimiter: ',' RowDelimiter: '\r\n' TreatAsMissing: '' MissingValue: NaN Advanced Text Format Properties: TextscanFormats: {'%f', '%f', '%f' ... and 26 more} TextType: 'char' ExponentCharacters: 'eEdD' CommentStyle: '' Whitespace: ' \b\t' MultipleDelimitersAsOne: false Properties that control the table returned by preview, read, readall: SelectedVariableNames: {'Year', 'Month', 'DayofMonth' ... and 26 more} SelectedFormats: {'%f', '%f', '%f' ... and 26 more} ReadSize: 20000 rows OutputType: 'table' RowTimes: [] Write-specific Properties: SupportedOutputFormats: ["txt" "csv" "xlsx" "xls" "parquet" "parq"] DefaultOutputFormat: "txt"
데이터저장소를 만든 후에는 데이터를 전부 메모리에 불러오지 않고도 데이터를 미리 볼 수 있습니다. SelectedVariableNames
속성으로 원하는 변수(열)를 지정하여 해당 변수만 미리 보거나 읽어올 수 있습니다.
ds.SelectedVariableNames = {'DepTime','DepDelay'}; preview(ds)
ans = 8×2 table DepTime DepDelay _______ ________ 642 12 1021 1 2055 20 1332 12 629 -1 1446 63 928 -2 859 -1
데이터에서 누락값을 나타내는 값을 지정할 수 있습니다. airlinesmall.csv
에서 누락값은 NA
로 표시됩니다.
ds.TreatAsMissing = 'NA';
원하는 변수에 대한 데이터저장소의 모든 데이터가 메모리에 담기면 readall
함수를 사용하여 데이터를 읽어올 수 있습니다.
T = readall(ds);
그렇지 않으면, read
함수를 사용하여 메모리에 담을 수 있는 더 작은 부분을 데이터를 읽으십시오. 기본적으로, read
함수는 TabularTextDatastore
에서 한 번에 20,000개 행을 읽어옵니다. 그러나, 이 값은 새 값을 ReadSize
속성에 할당하여 변경할 수 있습니다.
ds.ReadSize = 15000;
다시 읽어오려면 먼저 reset
함수를 사용하여 데이터저장소를 초기 상태로 재설정하십시오. while
루프 내에서 read
함수를 호출하여, 데이터의 각 부분에 대해 중간 계산을 수행한 후 이 중간 결과를 마지막에 집계할 수 있습니다. 다음 코드는 DepDelay
변수의 최댓값을 계산합니다.
reset(ds) X = []; while hasdata(ds) T = read(ds); X(end+1) = max(T.DepDelay); end maxDelay = max(X)
maxDelay = 1438
각 개별 파일의 데이터가 메모리에 담겨진다면 read
함수를 호출할 때마다 특정 개수의 행이 아니라 한 파일 전체를 읽어오도록 지정할 수 있습니다.
reset(ds) ds.ReadSize = 'file'; X = []; while hasdata(ds) T = read(ds); X(end+1) = max(T.DepDelay); end maxDelay = max(X);
데이터저장소의 데이터 중 일부를 읽어오는 것 외에도, mapreduce
함수를 사용하여 데이터저장소에 map 함수와 reduce 함수를 적용하거나 tall
을 사용하여 tall형 배열을 생성할 수 있습니다. 자세한 내용은 MapReduce 시작하기 항목과 메모리에 담을 수 없는 큰 데이터를 위한 tall형 배열 항목을 참조하십시오.
참고 항목
tabularTextDatastore
| imageDatastore
| spreadsheetDatastore
| KeyValueDatastore
| fileDatastore
| tall
| mapreduce